In this article the problem of assessment of working documentation quality in terms of trustworthiness of the calculation of area of main reinforcement of reinforced-concrete structures is reviewed. In spite of development of automated designing systems, no application solutions for fully automated check of quality of working documentation for reinforced-concrete structures as regards sufficiency and necessity of reinforcement of them have been proposed until now. Moreover, this rather routine procedure can be fully automated to exclude the subjective nature of its results. Artificial neural networks (ANN) constitute the most promising mathematical model for this purpose. There are known examples demonstrating the possibility of applying the ANN for various types of calculations and analysis of experimental data for reinforced-concrete structures. In particular, the ANN allows predicting the actual deformation parameters of reinforced-concrete structures with significantly greater accuracy than any of the current national design standards. The article presents the results of calculations of reinforcement and sag for various input parameters using the example of reinforced-concrete slab structure. Using the simplest ANN with one hidden layer over the entire training sample, the predicted values with sufficient accuracy for practical use were obtained. It has been established that ANN makes it possible to predict effectively not only values of the required reinforcement for slab structures, but also their deformation. Within the framework of BIM-technologies used currently in building design, the use of ANN to assess the quality of ready-made design documentation in terms of reinforcement will reduce considerably the cost and time of relevant examinations with significantly higher trustworthiness of their results.В статье рассмотрена задача оценки качества рабочей документации в части достоверности расчета площади рабочей арматуры железобетонных конструкций. Несмотря на развитие систем автоматизированного проектирования, до настоящего времени не предложено прикладных решений для полностью автоматизированной проверки качества рабочей документации железобетонных конструкций на предмет достаточности и необходимости их армирования. При этом эта весьма относительно рутинная процедура может быть полностью автоматизирована для исключения субъективного характера ее результатов. Наиболее перспективной математической моделью для этой цели являются искусственные нейронные сети (ИНС). Известны примеры, демонстрирующие возможность прикладного применения ИНС для различного рода расчетов и анализа экспериментальных данных для железобетонных конструкций. В частности, ИНС позволяет с существенно большей точностью прогнозировать фактические параметры деформирования железобетонных конструкций, чем любые из действующих национальных норм проектирования. В статье на примере железобетонной плитной конструкции приведены результаты расчетов армирования и прогиба при различных значениях входных параметров. С помощью простейшей ИНС с одним скрытым слоем по всей обучающей выборке получены прогнозные значения с достаточной для практического их использования точностью. Установлено, что ИНС позволяет достаточно эффективно прогнозировать не только значения требуемого армирования для плитных конструкций, но и их деформации. В рамках используемых в настоящее время в строительном проектировании BIM-технологий применение ИНС для оценки качества готовой проектной документации в части армирования позволит значительно сократить стоимость и сроки соответствующих экспертиз при существенно более высокой достоверности их результатов.
A Crack Identification Method for Concrete Structures Using Improved U-Net Convolutional Neural Networks
